按连续天数计算组的值

Question

我有 3 列的数据：日期、ID、销售额。 我的第一个任务是过滤超过 100 的销售额。我做到了。 第二个任务，按连续天数对 id 进行分组。

index	date	id	sales
0	01/01/2018	03	101
1	01/01/2018	07	178
2	02/01/2018	03	120
3	03/01/2018	03	150
4	05/01/2018	07	205

结果应该是：

index	id	count
0	03	3
1	07	1
2	07	1

我需要在不使用 pandas/dataframe 的情况下完成这项任务，但现在我无法想象从哪方面攻击这个问题。 只是为了努力，我在这里尝试了解决方案的建议count consecutive days python dataframe 但 id 没有分组。 这是我的代码：

data = df[df['sales'] >= 100]
data['date'] = pd.to_datetime(data['date']).dt.date
s = data.groupby('id').date.diff().dt.days.ne(1).cumsum()
new_frame = data.groupby(['id', s]).size().reset_index(level=0, drop=True)

“new_frame”将具有“count”列是非常重要的，因为在我需要按“count”列中的那些计数天数的范围计算 id 之后。例如id 的计数在 0-7 天、7-12 天等范围内，但这不是我的问题的一部分。 非常感谢

Answer 1

你的代码很接近，但需要一些微调，如下：

data = df[df['sales'] >= 100]
data['date'] = pd.to_datetime(data['date'], dayfirst=True)

df2 = data.sort_values(['id', 'date'])
s = df2.groupby('id').date.diff().dt.days.ne(1).cumsum()
new_frame = df2.groupby(['id', s]).size().reset_index(level=1, drop=True).reset_index(name='count')

结果：

print(new_frame)

   id  count
0   3      3
1   7      1
2   7      1

变更摘要：

1. 由于您的日期在dd/mm/yyyy 而不是默认的mm/dd/yyyy，因此您必须在pd.to_datetime() 中指定参数dayfirst=True。否则，02/01/2018 将被视为2018-02-01 而不是预期的2018-01-02，并且与相邻条目的日期差异将在 30 左右而不是 1。

2. 我们添加了一个排序步骤来按列id 和date 进行排序，以简化后面在创建系列s 期间的分组。

3. 在最后的groupby() 代码reset_index(level=0, drop=True) 应该删除level=1。因为，level=0 是我们想要保留的 id 字段。

4. 在最后一个 groupby() 中，我们额外添加了一个 .reset_index(name='count') 以使 Pandas 系列变回数据框，并将新列命名为 count。